GXY escribió:@dark_hunter en mi opinion reduces demasiado al texto y cifras en informes. opino que el asunto de la salud necesita una perspectiva mas humanista. la atencion a las cifras va muy bien para el ajuste financiero, pero para salvar vidas no me parece el mas adecuado.
lo dejamos aqui por este hilo, creo yo.
Es precisamente la perspectiva humanista la que ha promovido esto, porque con la visión antigua el médico se iba a casa contento pensando que había obrado bien. Era la posición cómoda, la del sota caballo rey caiga quien caiga, pero que se ha visto que no era desde luego la mejor, si no que hace falta individualizar los protocolos.
EDIT: he repasado mis apuntes sobre teoría bayesiana, vamos a analizar un test. Supongamos que tenemos un test con una sensibilidad del 99% y una especificidad del 99%. Normalmente no son tan buenos, pero pongámonos en caso extremo. ¿Cuál es la probabilidad de que si sale positivo el test realmente estemos enfermos? 99% o algo cercano ¿no? Vamos a calcularlo.
Según descubrió Bayes hace ya casi dos siglos, esta probabilidad viene determinada por P(H|E) = P(H) * P(E|H) / P(E), donde P significa probabilidad, H la hipótesis (en este caso estar enfermo), y la E sería la evidencia, es decir, nuestra prueba. P(H|E) sería la probabilidad de estar enfermo cuando la evidencia da positivo, P(H) la probabilidad de que nuestra hipótesis sea cierta independientemente de que realicemos o no la prueba (en otras palabras, la prevalencia de la enfermedad en la población), P(E|H) la probabilidad de que la prueba de positivo cuando realmente estemos enfermos y P(E) la probabilidad de que el test de positivo independientemente de que tengas o no cáncer.
Pues bien, calculemos. Lo que queremos obtener es P(H|E), que es la probabilidad de realmente estar enfermos cuando de positivo. Pues bien, lo primero sería sustituir P(H), que sería la prevalencia de la enfermedad. Pongamos 1%, o lo que es lo mismo, 0.01 (estoy siendo muy generoso, pues esa es la prevalencia del cáncer más frecuente, la media es mucho más baja). P(E|H) sería 0.99, pues es la eficacia del test. Por lo tanto en el numerador tenemos 0.01*0.99 = 0.0099. Estos son los verdaderos positivos.
Vamos al denomidador: P(E) es la probabilidad de dar positivo estés enfermo o no, o lo que es lo mismo, el porcentaje de verdaderos positivos (0.0099) + los falsos positivos. Pues bien, los falsos positivos se calculan multiplicando la probabilidad de falsos positivos (0.01, pues el test tiene una eficacia de 0.99) por el porcentaje de gente que no tiene cáncer (0.99, porque la prevalencia es del 1%). ¿Resultado? 0.0099. Vaya, resulta que tenemos el mismo porcentaje de verdaderos positivos que de falsos positivos, pese a que el test tiene una eficacia del 99%. Pero terminemos de calcular el denominador, decíamos que se componía de la suma de verdaderos positivos (0.0099) + falsos positivos (0.0099) = 0.198.
Por lo tanto, verdaderos positivos (0.0099) / probabilidad de dar positivo (0.198) = 0.5. Vaya, al final resulta que la probabilidad de estar realmente enfermo tras dar positivo en el test con 99% de eficacia es del 50%. Pero bueno, esto tiene solución fácil, aplicar un segundo test con otro 99% de eficacia, en cuyo caso ya sí que tendríamos una probabilidad del 99% de estar enfermos tras dar positivo en los dos.
Pero queda un problema, los test no son tan buenos ni de lejos, y la cosa es peor en las enfermedades más raras. Por ejemplo, los test para el cáncer de próstata tienen una eficacia del 60% como mucho. Una eficacia tan baja hace que incluso tras dar positivo en 4 test diferentes, la probabilidad de estar enfermo seguiría estando por debajo del 50%.
Por eso las pruebas son necesarias, pero sólo en los grupos de riesgo, porque de lo contrario estás sobretratando a montones de personas, ya que la probabilidad de dar positivo es muy superior a la de estar enfermo.
![[facepalm]](/images/smilies/facepalm.gif "facepalm")
me cuesta de creer, pero de todos modos a los que estoy haciendo referencia es a la gente que va al medico por "un dolor vago e indeterminado en tal region del cuerpo" que el medico despacha como tonteria sin mas analisis (tomese tal cosa, sera pleural y no tiene importancia, sera muscular y se pasara en unos dias, etc), no se trata, pasan los meses y resulta que es un carcinoma de tal y que para cuando se detecta es tarde. en esos casos que refiero no se da el caso de positivo no detectado que indicas porque no se ha llegado a hacer una prueba. por eso digo que las cifras no son el escenario. las cifras y muchos estudios son el resumen de lo que se ha llegado a plasmar en pruebas, informes y otros trabajos, pero hay muchas cosas que no llegan ahi en una primera o segunda instancia. creo que no estas teniendo eso en cuenta al hacer tu valoracion del tema al menos en el sentido en el que yo lo estoy valorando. 
, no se va a decidir a ciegas.